深度学习在身份证字符识别中的应用研究

胡胤 黄启权 广东工业大学自动化学院

1 引言

受CNN模型成功应用于手写数字识别、交通信号识别及人脸识别等的启发，本文将汉字特征提取和特征降维过程相结合，提出一种基于CNN的汉字识别方法和另外一种成熟的基于CNN的数字识别方法应用到身份证识别中。

随着互联网的发展，需要网络实名认证的场景越来越多。当人们在享受互联网带来便利的同时，却不得不考虑到个人信息的甄别问题。将深度学习应用在字符识别场景中，能够快速准确的识别出数字和字符，也为录入身份证、行驶证、驾驶证等证件信息提供了便利。

2 了解 CNN

卷积神经网络类似于一般的神经网络，由可学习的权重和误差组成，每 一个神经元接受一些输入，完成一些非线性的操作。整个神经网络完成了一个可微的打分函数，从图像点到分类得分。在全连接或者最后一层他们也有一个损失函数。

卷积神经网络通常包含以下几层：

卷积层（Convolutional layer），卷积神经网路中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网络能从低级特征中提取更复杂的特征。

线 性 整 流 层（Rectified Linear Units layer， ReLU layer），这一层神经的活性化函数（Activation function）使用线性整流（Rectified Linear Units， ReLU）f(x)=max(0，x)。

池化层（Pooling layer），通常在卷积层之后会得到维度很大的特征，将特征切成几个区域，取其最大值或平均值，得到新的、维度较小的特征。

全连接层（Fully-Connected layer），把所有局部特征结合变成全局特征，用来计算最后每一类的得分。

以下是一个简单的LeNet-5卷积神经网络模型：

图1 LeNet-5网络模型

3 获取训练数据

3.1 阿拉伯数字

数字0～9一共分为10类，考虑类别少的因素，用MATLAB脚本生成数字数据时候使用二值图片，像素为48*48大小，对文字图片做随机旋转、随机裁剪、随机腐蚀膨胀核腐蚀膨胀、随机resize处理。

3.2 中文汉字

GB2312标准共收录6763个常用汉字，使用覆盖率在99.75%以上。用身份证的底色随机剪切作为训练图片的底色，然后用opencv生成随机底色、随机旋转、随机裁剪、随机腐蚀膨胀核腐蚀膨胀、随机resize，随机模糊噪点图片等作为训练数据。

图2 训练底色图

图3 训练数据

4 卷积网络训练模型

Google Inception Net首次出现在ILSVRC 2014的比赛中，以较大优势取得了第一名。那届比赛中的Inception Net通常被称为Inception V1，它最大的特点是控制了计算量和参数量的同时，获得了非常好的分类性能——top-5错误率6.67%。

本文在GoogleNet的基础上结合本文任务进行了网络结构改造，改造后的网络模型IDNet如图所示：

图4 IDNet网络模型结构

5 结论

训练使用GTX1080设备，数字和汉字训练都使用48*48的原始图片，crop_size为45*45的网络训练图片。

汉字训练图片为超参数学习率设为0.01，最大迭代次数设为30万次，batch_size设为128，stepsize设为100000，训练所用时间花费9个多小时，测试集使用一万张剪切的真实字符数据，最后测试得到的数字识别的正确率为99.91%，汉字识别的的正确率为99.82%。

[1]孙华，张航.字识别方法综述[J].Computer Engineering，2010，36(20).

[2]王有旺.深度学习及其在手写汉字识别中的应用研究[D].华南理工大学，2014.

[3]严曲.身份证识别系统的原理及算法研究[D].中南大学.2005.3

[4]倪桂博.印刷体文字识别技术的研究[D].华北电力大学.2008

[5]Romero R D，Touretzky D，Thibadeaun R H.Optical Chinese character recognition using probabilistic neural networks[J].Pattern Recognition，1997，30(8)：127-129．

[6]Liu C L，Sako H，Fujisawa H.Handwritten Chinese Character Recognition：

Alternatives to Nonlinear Normalization[C].ICDAR. 2003， 3：524-528.